遥感图像中城市对象自动识别技术的实现 realization of auto-recognition of city object in remote sensing image.pdfVIP

第33卷第5期 电子工程师 V01．33No．5 2007年5月 ELECTRONICENGINEER Mav2007 遥感图像中城市对象自动识别技术的实现 曹玉琳，尹显东，张健 (中国工程物理研究院电子工程研究所，四川省绵阳市621900) 摘要：通过分析遥感图像中城市对象和非城市对象的特征差异，利用计算机自动完成提取包括 纹理特征、颜色特征和结构特征在内的几个主要特征并进行多特征融合，然后以融合结果作为判据对 图像进行分裂算法操作得到初识别结果，再对初识别结果进行修正得到城市对象和非城市对象。经 计算机仿真验证，该方法能够实现对多种不同类型城市对象的自动识别，有较高的识别准确度。 关键词：自动识别；城市对象；特征提取；特征融合；分裂算法 中图分类号：鹏91．41 原始图像中的干扰或为后续处理对原始图像进行一些 O 引 言 变换。例如，为了尽可能地去除无用背景对识别分类 现阶段，遥感技术已广泛渗透到国民经济的各个 结果的影响，在识别前，先设定一个灰度阈值(该值可 领域，对于推动经济建设、社会进步、环境改善和国防 以取得相对保守)，把低于该阈值的像素灰度值置为 建设均起到重大作用，同时带来遥感数据量的激增。 0，初步滤除部分干扰因素。自动识别流程见图1。 然而对广大的使用者来说，只有一部分遥感数据是有 特征 初识别 集合结果 价值的，如何根据实际需要提取出有用的数据，即遥感 一 f管№巫卧岖犟卜匝悃 图像中感兴趣区的自动识别也越来越重要。现阶段， ：= f阀值集合 虽然有许多新的技术例如模糊函数、小波函数、神经网 l”豁№亘到 络、遗传算法等…被应用到自动识别领域，但是由于 图l城市对象的识别流程 遥感图像具有高度复杂性的特点，单一技术的应用都 1．1特征提取及融合 无法得到满意的自动识别结果，因此常常需要根据研 城市由众多各异的目标组合而成，包括人工建筑 究对象的具体情况提出综合的自动识别方法。 群、道路、湖泊、绿地等，而且组成方式各异，因此精确 本文以含有丰富人文信息的城市对象为感兴趣区 描述其非常困难，但大多数城市也有相同的特征。为 域，采用低、中、高3个层次，即像素特征、目标的形态 了提高城市目标的识别准确性，并对大多数具有明显 和纹理等空间特征、目标与相邻地物之间的空间关系 不同外观特点的城市目标进行识别，在特征选择前分 特征，进行特征抽取和表达口引，分析提取出相应特征 析了多类城市的共性，最后确定以纹理、颜色和空间关 后，进行多特征融合，以融合结果为判据进行两次分裂 系为描述城市对象的主要